基于改进SSD网络的管道漏磁缺陷图像识别算法

论文摘要

为实现管道漏磁图像的智能化识别,提出一种基于改进SSD网络的管道漏磁图像识别算法。以SSD网络模型为基础框架,加入多孔卷积。利用多孔卷积扩大网络模型的感受野,将低分辨率的高语义信息特征提取出来,从而提高网络对小目标细节特征的学习能力。实验结果表明,提出的算法能自动识别出漏磁数据的环焊缝、螺旋焊缝、缺陷等位置,准确率能达到到92.62%,误检率低于3%,漏检率低于6%,具有更优良的鲁棒性。

论文目录

• 1 管道漏磁信号成像
•   1.1 管道漏磁内检测原理
•   1.2 管道漏磁伪彩色图像
• 2 改进SSD网络模型
•   2.1 SSD网络模型
•   2.2 多孔卷积
• 3 管道漏磁图像的改进SSD网络检测算法
•   3.1 网络算法流程
•   3.2 网络计算方法
• 4 实验与结果分析
•   4.1 实验
•   4.2 膨胀系数对准确率的影响
•   4.3 改进模型平均检测准确率分析
• 5 结论

文章来源

类型: 期刊论文

作者: 王竹筠,杨理践,高松巍

关键词: 漏磁图像,深度学习,目标检测,网络,多孔卷积,输油管道,识别算法

来源: 沈阳航空航天大学学报 2019年03期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 石油天然气工业,计算机软件及计算机应用

单位: 沈阳工业大学信息科学与工程学院

分类号: TP391.41;TE973.6

页码: 74-82

总页数: 9

文件大小: 1914K

下载量: 166